本文選題：機會傳感器網絡 + 關鍵節(jié)點��； 參考：《計算機研究與發(fā)展》2017年09期

【摘要】：提前獲知或預測網絡的關鍵節(jié)點,便可根據關鍵節(jié)點的相關信息對網絡進行優(yōu)化,當網絡癱瘓時,可第一時間排查關鍵節(jié)點,減少網絡維護時間和成本.現有靜態(tài)無線傳感器網絡關鍵節(jié)點預測方法,不適用于機會傳感器網絡(opportunistic sensor networks,OSNs).針對機會傳感器網絡結構動態(tài)變化、消息傳輸時延高的特點,分析多區(qū)域機會傳感器網絡分層結構的消息傳輸過程,定義階段貢獻度反映Ferry節(jié)點在消息傳輸過程中的貢獻程度,定義區(qū)域貢獻度反映Ferry節(jié)點對區(qū)域的貢獻程度.在此基礎上,以Ferry節(jié)點在網絡中的綜合貢獻度作為判斷關鍵節(jié)點的依據,提出基于多屬性決策中理想點法(technique for order preference by similarity to ideal solution,TOPSIS)的關鍵節(jié)點預測方法.實驗結果表明:采用改進TOPSIS算法能夠獲得更高的預測精度;搭建了實驗床以進一步驗證提出的預測方法,結果表明,采用改進TOPSIS算法的預測精度更高.
[Abstract]:If we know or predict the key nodes in advance, we can optimize the network according to the relevant information of the key nodes. When the network is paralyzed, the key nodes can be searched in the first time, and the maintenance time and cost of the network can be reduced. The existing prediction methods for critical nodes in static wireless sensor networks are not suitable for opportunistic sensor networks. In view of the dynamic change of the network structure of opportunity sensor and the high delay of message transmission, this paper analyzes the process of message transmission in hierarchical structure of multi-area opportunity sensor network, and defines the contribution degree of Ferry node in the process of message transmission. The definition of regional contribution reflects the contribution of Ferry nodes to the region. On this basis, taking the comprehensive contribution of Ferry nodes in the network as the basis for judging the key nodes, a prediction method for key nodes based on the ideal point method for order preference by similarity to ideal solution technique in multi-attribute decision making is proposed. The experimental results show that the improved TOPSIS algorithm can obtain higher prediction accuracy, and the experimental bed is built to further verify the proposed prediction method. The results show that the improved TOPSIS algorithm has higher prediction accuracy.
【作者單位】： 南昌航空大學信息工程學院;南昌航空大學軟件學院;
【基金】：國家自然科學基金項目(61363015,61262020,61501217,61501218) 江西省自然科學基金重點項目(20171ACB20018,20171BAB202009,20071BBH80022) 江西省教育廳科學技術重點項目(GJJ150702) 江西省研究生創(chuàng)新專項資金項目(YC2015-S324,YC2016-042)~~
【分類號】：TP212.9

【相似文獻】

相關期刊論文 前10條

1 鄒啟杰;張汝波;唐平鵬;尹麗麗;;基于多屬性決策的自主等級評估算法[J];華中科技大學學報(自然科學版);2011年S2期

2 要瑞璞;沈惠璋;;Vague集多屬性決策的可能度法[J];計算機工程與應用;2010年02期

3 張輝;周軍升;陳龍偉;程思微;;一種改進混合型多屬性決策的求解方法[J];系統(tǒng)仿真技術;2009年04期

4 魏峰;張瑞平;;多屬性決策的Vague集方法[J];計算機工程與設計;2007年07期

5 萬樹平;;區(qū)間型多屬性決策的夾角度量法[J];計算機工程與應用;2009年26期

6 王香柯;王金柱;;基于支持向量機預測的時序多屬性決策法[J];蘭州理工大學學報;2010年02期

7 劉建輝;;基于信息博弈的協(xié)同診斷決策[J];西安石油大學學報(自然科學版);2008年06期

8 孫娟娟;劉纘武;張玉靈;江南;;基于多屬性決策的統(tǒng)計數據分級綜合評價模型[J];測繪與空間地理信息;2007年05期

9 陳東鋒;胥林;龍戈農;;兩種改進的直覺模糊多屬性決策方法[J];空軍工程大學學報(自然科學版);2008年02期

10 彭展聲;;Vague集的一個新記分函數[J];湖北大學學報(自然科學版);2011年03期

相關會議論文 前3條

1 王航宇;孫世巖;;一種模糊PROMETHEE方法[A];2006中國控制與決策學術年會論文集[C];2006年

2 孫世巖;邱志明;;基于補償性分析的多屬性決策方法研究[A];2006中國控制與決策學術年會論文集[C];2006年

3 衛(wèi)貴武;羅玉軍;姚恒申;;權重信息不完全的混合型多屬性決策方法[A];2006中國控制與決策學術年會論文集[C];2006年

相關碩士學位論文 前3條

1 儲萍;多屬性決策若干方法研究[D];浙江工商大學;2007年

2 張濤;基于集對分析的不確定多屬性決策算法研究[D];重慶大學;2014年

3 何朝麗;基于區(qū)間粗糙數多屬性決策模型若干問題的研究[D];廣西大學;2014年

，

本文編號：1878434